第 47 课：数据可视化 - Seaborn 统计图表

学习目标

通过本课的学习，你将能够：

1. 理解 Seaborn 的设计理念及其与 Matplotlib 的关系。
2. 使用 Seaborn 设置全局绘图主题和风格，使图表更美观。
3. 熟练运用 Seaborn 创建常见的统计图表，如直方图、散点图、箱线图和热力图。
4. 利用分面网格（FacetGrid）绘制多子图以分析数据的多维分布。
5. 结合 Pandas DataFrame，高效地进行数据探索性分析（EDA）可视化。

核心概念

Seaborn 是一个基于 Matplotlib 的 Python 数据可视化库，它提供了更高层次的接口来绘制有吸引力且信息丰富的统计图形。如果说 Matplotlib 是"画家"，那么 Seaborn 就是一套高级的"绘画工具包"，它让你能用更少的代码，专注于数据故事本身，而不是图形的细节调整。

核心优势：

• 与 Pandas 无缝集成：直接接受 DataFrame 和 Series 作为数据输入。
• 自动统计计算：许多图表（如箱线图）内部自动计算了均值、分位数等统计量。
• 美观的默认主题：开箱即用的配色和样式，远胜于 Matplotlib 的默认风格。
• 简化复杂图表：轻松创建多图网格、回归图等复杂可视化。

1. 设置绘图主题

import seaborn as sns
import matplotlib.pyplot as plt

# 设置 Seaborn 风格
sns.set_theme(style="whitegrid") # 其他选项：`darkgrid`, `white`, `ticks`
# 也可以使用更详细的设置
# sns.set_theme(style="ticks", palette="pastel")

2. 基础统计图表示例

Seaborn 的绘图函数主要分为轴级函数和图级函数。轴级函数（如 sns.histplot()）绑定到一个 Matplotlib Axes 对象；图级函数（如 sns.catplot()）创建并管理整个图窗。

代码示例

以下代码完整演示如何使用 Seaborn 进行数据探索。我们使用 Seaborn 内置的经典的"鸢尾花"数据集。

# 第47课：Seaborn统计图表示例
import seaborn as sns
import matplotlib.pyplot as plt
import pandas as pd

# 加载内置数据集
tips = sns.load_dataset("tips")
print("数据集前5行：")
print(tips.head())

# 1. 设置全局主题
sns.set_theme(style="darkgrid", palette="husl")

# 2. 创建画布
fig, axes = plt.subplots(2, 2, figsize=(12, 10))

# 3. 绘制直方图 (Displot - 图级函数，可以分配到子图)
# 展示总消费金额的分布
sns.histplot(data=tips, x="total_bill", kde=True, ax=axes[0, 0])
axes[0, 0].set_title("总消费金额分布 (直方图+核密度估计)")

# 4. 绘制散点图 (Scatterplot - 轴级函数)
# 探索小费与总账单的关系，并按性别着色
sns.scatterplot(data=tips, x="total_bill", y="tip", hue="sex", ax=axes[0, 1])
axes[0, 1].set_title("总账单 vs 小费 (按性别分组)")

# 5. 绘制箱线图 (Boxplot - 轴级函数)
# 比较不同用餐时段的总消费分布
sns.boxplot(data=tips, x="time", y="total_bill", ax=axes[1, 0])
axes[1, 0].set_title("不同用餐时段的总账单分布 (箱线图)")

# 6. 绘制计数图 (Countplot - 轴级函数)
# 统计不同性别的顾客数量
sns.countplot(data=tips, x="day", hue="sex", ax=axes[1, 1])
axes[1, 1].set_title("不同日期顾客数量统计 (按性别分组)")

plt.tight_layout()
plt.show()

# 7. 绘制热力图 (Heatmap - 展示相关性矩阵)
# 选择数值列，计算相关系数矩阵
numeric_cols = tips[["total_bill", "tip", "size"]]
corr_matrix = numeric_cols.corr()
plt.figure(figsize=(8, 6))
sns.heatmap(corr_matrix, annot=True, cmap="coolwarm", fmt=".2f")
plt.title("数值变量间的相关系数热力图")
plt.show()

实践练习

练习 1：基础图表练习（易）

使用 Seaborn 内置的 iris (鸢尾花) 数据集，绘制一个散点图，展示 sepal_length（花萼长度）和 sepal_width（花萼宽度）的关系，并用 species（物种）列作为颜色分组 (hue)。 要求：

1. 设置主题为 whitegrid。
2. 图表标题为 "鸢尾花花萼尺寸关系"。

练习 2：统计图表应用（中）

使用 tips 数据集，创建一个分面网格图 (FacetGrid 或 catplot)，用于对比不同用餐日期 (day) 在午餐 (Lunch) 和晚餐 (Dinner) 时段的总账单 (total_bill) 分布。 要求：

1. 使用 sns.catplot 或 sns.FacetGrid + sns.boxplot。
2. 行轴为日期 (day)，列轴为用餐时段 (time)。
3. 每个子图展示该组合下的 total_bill 箱线图。
4. 设置合适的图表高度和长宽比。

练习 3：综合数据探索（难）

加载 titanic 数据集 (sns.load_dataset("titanic"))，完成以下可视化任务：

1. 绘制一个堆叠的柱状图 (countplot，配合 hue 参数)，展示不同船舱等级 (class) 的乘客中，生还 (survived=1) 与遇难 (survived=0) 的人数。
2. 绘制一个带有核密度估计 (kde=True) 的直方图 (histplot)，对比生还者与遇难者的年龄分布 (age)。 提示：你可能需要先对数据进行简单的处理，例如处理缺失值。

常见错误

1. 混淆 Seaborn 和 Matplotlib 的参数：Seaborn 函数参数名有时与 Matplotlib 不同（如 hue vs c）。请以 Seaborn 官方文档为准。
2. 错误使用 hue 参数：hue 用于根据另一个分类变量对图形元素进行分组着色。确保传给 hue 的列是分类类型或能被当作分类处理的列。
3. 忽略数据格式：许多 Seaborn 函数期望长格式 (tidy) 数据。如果你的数据是宽格式，可能需要使用 pd.melt() 进行转换。
4. 过度依赖默认样式：虽然默认样式很好，但在正式报告或论文中，你可能需要调整字体、标签、图例等以满足特定格式要求，这时需要结合 Matplotlib 的语法。
5. 忘记 plt.show()：在 Jupyter Notebook 以外的环境中，需要显式调用 plt.show() 来显示图形。

小结

本课我们学习了 Seaborn，一个强大的统计可视化库。关键要点包括：

• Seaborn 的核心价值：它简化了在 Pandas DataFrame 上创建复杂、美观统计图表的过程。
• 主题与样式：使用 sns.set_theme() 可以一键提升所有图表的专业外观。
• 核心图表类型：掌握了 histplot (分布)、scatterplot (关系)、boxplot (分类分布)、countplot (计数) 和 heatmap (相关性) 等常用图表的创建方法。
• hue 参数：这是 Seaborn 最强大的功能之一，用于引入第三个变量，通过颜色进行分组对比。
• 分面绘图：使用 FacetGrid 或 catplot 可以轻松创建多子图网格，用于对比不同子集下的数据分布。

掌握了 Seaborn，你将能更高效地进行数据探索，并制作出能清晰传达数据洞察的专业图表。在下节课中，我们将学习数据分析的基石——NumPy，了解如何用它进行高效的数值计算。